گزارش آب و هوای مریخ ممکن است به زودی با پیش‌بینی طوفان‌های گرد و غبار همراه شود، زیرا در ۷۸ درصد موارد، یک طوفان گرد و غبار در سیاره سرخ با مقدار زیاد غیرعادی گرمایش خورشیدی پیش می‌آید. طوفان‌های گرد و غبار یکی از شگفتی‌های طبیعی مریخ و همچنین یکی از بزرگترین خطرات آن است. آنها در مقیاس‌های کوچک شروع می‌شوند، اما برخی از آنها می‌توانند به طوفان‌های جهانی تبدیل شوند که سیاره سرخ را در غبار می‌پوشانند و حتی بزرگترین ویژگی‌های سطح این سیاره را از چشمان کنجکاو ما پنهان می‌کنند. جو نازک مریخ آسیبی را که بادهای پراکنده از گرد و غبار می‌توانند به آن وارد کنند، محدود می‌کند و آنها مطمئنا نمی‌توانند نیروی کافی را برای تهدید یک فضاپیما ایجاد کنند، اما آنها می‌توانند مقدار زیادی گرد و غبار را روی صفحات خورشیدی مریخ‌نوردها بریزند. به همین دلیل بود که مریخ نورد «آپرچونیتی» ناسا از دستیابی به انرژی خورشیدی در میانه یک طوفان گرد و غبار جهانی محروم شد و بعدا هم نتوانست دوباره فعال شود. هشانی پیریس (Heshani Pieris) از دانشگاه کلرادو در بولدر می‌گوید: طوفان‌های گرد و غبار تأثیر قابل توجهی بر روی مریخ نوردها و فرودگرها در مریخ دارند، البته ناگفته نماند که در طی ماموریت‌های سرنشین‌دار آتی به مریخ نیز اتفاقاتی خواهد افتاد. این گرد و غبار بسیار سبک است و به همه چیز می‌چسبد. پیریس و همکارش پل هاین (Paul Hayne) در کلرادو، داده‌های هشت سال مریخی معادل ۱۵ سال زمینی) را از ابزار Mars Climate Sounder در مدارگرد شناسایی مریخ ناسا بررسی کردند. این ابزار سطح مریخ و اتمسفر بالای سیاره سرخ را در افق در نور مرئی و نزدیک به فروسرخ رصد می‌کند و بر نحوه تغییرات دما در سطح که می‌تواند بر جو تأثیر بگذارد و بالعکس، نظارت دارد. پیریس و هاین از اندازه گیری‌های انجام شده توسط Climate Sounder برای بررسی دو نوع طوفان گرد و غبار در مریخ استفاده کردند که به عنوان طوفان‌های نوع A و C مشخص می‌شوند. این طوفان‌ها از نیمکره شمالی سیاره سرخ شروع می‌شوند و در امتداد دو مسیر گسترش می‌یابند. محققان دریافتند که ۷۸ درصد از طوفان‌های گرد و غبار در آن دوره با یک دوره طولانی از روزهای گرم و آفتابی در مریخ پیش از آن رخ داده است. پیریس و هاین استدلال می‌کنند که اگرچه این دلیل غیرقابل انکار نیست که روزهای گرمتر منجر به طوفان گرد و غبار می‌شود، اما همبستگی بین این دو قوی است و شاید، با توجه به اینکه چیزی مشابه در زمین اتفاق می‌افتد، خیلی تعجب آور نباشد. پیریس می‌گوید: وقتی سطح را گرم می‌کنید، لایه اتمسفر درست بالای آن شناور می‌شود و می‌تواند بالا آمده و گرد و غبار را با خود همراه کند. محققان می‌گویند که این یک جهش بزرگ به سمت توانایی پیش بینی ظهور طوفان‌های گرد و غبار در مریخ است. در حال حاضر، آنها الگوریتمی را توسعه داده‌اند که می‌تواند نوع طوفان را بر اساس گرمایش سطح، با اطمینان ۶۴ درصد پیش‌بینی کند. اگر مدل آنها درست باشد، همچنان سؤالات بی پاسخ زیادی در مورد فیزیک طوفان‌های غبار مریخ باقی می‌ماند. به عنوان مثال، چرا برخی از طوفان‌های گرد و غبار رویدادهای محلی هستند، در حالی که برخی دیگر به پدیده‌های جهانی تبدیل می‌شوند؟ هاین می‌گوید: ما باید بفهمیم که چه چیزی باعث می‌شود برخی از طوفان‌های کوچکتر یا منطقه‌ای به طوفان‌هایی در مقیاس جهانی تبدیل شوند. ما به طور کامل فیزیک اولیه چگونگی شروع طوفان‌های گرد و غبار در سطح را درک نمی‌کنیم.

یک زن نابینای اهل پرتغال در انگلیس تحت عمل جراحی پیش‌گامانه چشم با هوش مصنوعی قرار گرفت و بینایی خود را به دست آورد. یک زن نابینای ۳۱ ساله پرتغالی به نام پاتریشیا گونسالوس(Patrícia Gonçalves) بینایی خود را به لطف یک عمل جراحی لیزیک پیشگامانه با هوش مصنوعی به دست آورد. ظهور هوش مصنوعی، عصر رشد و پیشرفت تصاعدی در زمینه علوم پزشکی را رقم زده است. در سال‌های اخیر، فناوری پزشکی مدرن گام‌های بزرگی رو به جلو برداشته است و آینده‌ای پر از امکانات بی‌شمار را نوید می‌دهد. یکی از این دستاوردهای انقلابی، ترکیب هوش مصنوعی با جراحی لیزر است که به تازگی در کلینیک فوکوس در لندن انگلیس به دست آمده است. بر اساس گزارشی که توسط نشریه Blind Ambition منتشر شده است، یک زن ۳۱ ساله پرتغالی نابینا به نام پاتریشیا گونسالوس با موفقیت بینایی خود را به لطف یک عمل جراحی لیزیک پیشگامانه با هوش مصنوعی به دست آورده و نقطه عطفی جدید در فناوری پزشکی را رقم زده است. پاتریشیا اولین فرد در بریتانیاست که این درمان پیشرفته را دریافت کرده است. این تکنیک ابداعی علاوه بر بازگرداندن بینایی، همچنین بر اساس گزارش‌ها این قابلیت را دارد که مرزهای توانایی یک چشم عادی انسان را نیز جابجا کند. بر اساس این گزارش، بینایی گونسالوس پس از عمل جراحی اکنون بهتر از دید طبیعی ۲۰/۲۰ است. وی که اهل پرتغال است، اخیراً از دانشگاه آکسفورد فارغ التحصیل شده است. او در کودکی به آستیگماتیسم شدید و نزدیک‌بینی حاد مبتلا شد و از سنین پایین با مشکلات شدید بینایی دست و پنجه نرم کرد. گونسالوس حدود ۶۵۰۰ پوند برای این جراحی هزینه کرد که با استفاده از یک فناوری اسکن با فناوری پیشرفته، یک همزاد دیجیتالی از چشمان او ایجاد کرد. سپس یک نرم افزار هوش مصنوعی توانست حدود ۲۰۰۰ روش مختلف لیزر درمانی را روی آن شبیه‌سازی و ارزیابی کند تا نتیجه نهایی کل فرآیند را بهینه کند. دکتر دیوید آلمبی، جراح ارشد چشم در کلینیک فوکوس می‌گوید: پاتریشیا از پنج سالگی عینک زده است، در حالی که بدون عینک رسما نابینا محسوب می‌شود و نمی‌تواند حرف بزرگ E را در بالاترین نقطه نمودار آزمایش چشم را ببیند. عمل جراحی گونسالوس زیر نظر دکتر آلمبی انجام شد. دکتر آلمبی پس از اتمام موفقیت آمیز این جراحی گفت: نمره چشم پاتریشیا قبل از جراحی ۲۰ از ۲۰۰ بود که با عینک به ۲۰ از ۲۰ می‌رسید، اما در حال حاضر می‌تواند ۲۰ از ۱۶ ببیند که بهتر از نمره قبلی است.

متخصصان مغز در گروه تحقیقاتی پزشکی و زیست‌فناوری مایکروسافت موسوم به Health Futures، یک مدل هوش مصنوعی ایجاد کرده‌اند که تومورها، سرطان پوست، عفونت‌های قفسه سینه و سایر مشکلات سلامتی را شناسایی می‌کند. متخصصان سلامت، با ارائه داده‌های حاصل از روش‌های تصویربرداری مرسوم به این هوش مصنوعی، می‌توانند از این مدل برای تشخیص علائمی از بیماری استفاده کنند که در غیر این صورت ممکن است مورد توجه قرار نگیرد. به طور معمول، تصاویر حاصل از سونوگرافی، سی‌تی اسکن، روش‌های ام‌آرآی و سایر روش‌ها به متخصصان انسانی فرستاده می‌شود که هر تصویر را به دقت بررسی کنند. دسته‌های سلولی غیرمعمول، تغییر جزئی در شکل سلول‌های پوستی، مایعی که می‌تواند نشان دهنده عفونت ریه و غیره باشد مورد بررسی قرار می‌گیرند. اما ریزترین نشانه‌های خطر، می‌توانند از زیر چشم رادار عبور کنند و احتمال اینکه بیمار ابتلا به یک مشکل خطرناک سلامتی را قبل از پیشرفت متوجه شود، از بین برود. برخی از مراحل شناسایی، مانند شناسایی تومور و نقشه‌برداری شکل دقیق آن، توسط گروهای جداگانه انجام می‌شود و برخی از اکتشافات بالقوه به ناچار از بین می‌روند. هدف مدل BiomedParse پر کردن این شکاف‌ها با کمک به انسان‌ها در انجام سه مرحله اصلی پردازش تصویر پزشکی یعنی یافتن موارد خطرناک، تشخیص و تقسیم‌بندی آنها است. Health Futures  می‌گوید که مدل آنها در ۹ روش تصویربرداری بهتر از چشم انسان عمل می‌کند و با موفقیت به عنوان یک راه حل تجزیه و تحلیل «کلی» برای طیف گسترده‌ای از تخصص‌ها کاربرد دارد. برای ساخت این مدل هوش مصنوعی، محققان از جی‌پی‌تی-۴ اُپن‌ای‌آی برای ایجاد یک مجموعه داده متمرکز بر دو مرحله اول پردازش تصاویر پزشکی استفاده کردند که شامل یافتن مورد خطرناک(شناسایی یک ناهنجاری) و تشخیص(تصویربرداری از آنچه که دقیقا باعث ایجاد ناهنجاری در محیط می‌شود)، بود. این مجموعه داده شامل بیش از شش میلیون تصویر از اندام، بافت شناسی و ناهنجاری‌های متفرقه و توضیحات متنی همراه با آن از سراسر بدن بود. این تصاویر هوش مصنوعی BiomedParse را قادر می‌سازد تا جزئیات ریز را از تصاویر سی‌تی‌اسکن، ام‌آرآی، اشعه ایکس، فراصوت، آسیب‌شناسی، فوندوس(پشت چشم)، درموسکوپی، آندوسکوپی و OCT(موج نور) تشخیص دهد. متخصصان پزشکی مجموعه‌ای از تصاویر برای مثال اسلایدهای آسیب‌شناسی از کبد بیمار و یک متن ساده را در اختیار این هوش مصنوعی قرار می‌دهند. سپس این مدل، اسلایدها را با تصاویر آموزشی مرتبط با بیماری ذکر شده در متن، مقایسه می‌کند. اگر مدل نشانه‌هایی از آن بیماری را پیدا کند، آن را اعلام می‌کند و اگر پیدا نکند، درخواست کاربر را به عنوان نامعتبر رد می‌کند. Health Futures ادعا می‌کند که هوش مصنوعی BiomedParse با موفقیت سرطان پوست، کیست، عفونت قفسه سینه ناشی از کووید-۱۹ و تومورها را در سراسر بدن شناسایی کرده است. مشخص نیست که آیا این گروه قصد دارد این فناوری را تجاری‌سازی کند یا خیر. در این میان، سایر مدل‌های هوش مصنوعی به متخصصان پزشکی کمک می‌کنند تا سرطان لوزالمعده، سرطان ریه، سرطان پستان و سایر شرایط تهدیدکننده حیات را شناسایی و پیش‌بینی کنند.

گروهی از پژوهشگران آمریکایی از بدن انسان برای تامین انرژی فناوری‌های پوشیدنی استفاده کرده‌اند تا مانع اصلی باتری‌های معمولی را برطرف کنند. با وجود پیشرفت‌های جدید در فناوری محاسباتی که وسایل الکترونیکی پوشیدنی را بسیار کوچک می‌کند و در عین حال ویژگی‌های فراوانی را در آنها جای می‌دهد، مشکل تامین برق همچنان به قوت خود باقی است. برخی از دستگاه‌ها با استفاده از انرژی خورشیدی شارژ شده‌اند، اما باتری‌ها یک مولفه جدایی‌ناپذیر باقی مانده‌اند. سایت خبری تامز هاردوار گزارش داده است، گروهی از پژوهشگران آمریکایی با استفاده از روش موسوم به «قدرت روی پوست» که از انرژی RF درون بدن کاربر استفاده می‌کند، راه حل قابل توجهی را برای رفع این مانع پیدا کردند. این روش بدون نیاز به تماس جدا از پوست کاربر، نیاز به باتری را از بین می‌برد. مقاله‌ای که توسط «اندی کنگ»(Andy Kong)، «داهوا کیم»(Daehwa Kim) و «کریس هریسون»(Chris Harrison) پژوهشگران «دانشگاه کارنگی ملون»(CMU) منتشر شده، خاطرنشان می‌کند که بدن انسان در تولید انرژی RF به قدرت ۴۰ مگاهرتز بسیار کارآمد است. استفاده از این انرژی به کمک یک گیرنده فرسوده، به وسایل تهاجمی نیاز ندارد. پژوهشگران بیشتر تلاش خود را روی بهینه‌سازی این گیرنده‌ها برای اطمینان از اندازه، وزن، شکل و کارآیی توان قابل استفاده سرمایه‌گذاری کردند. در گزارش آمده است که گیرنده می‌تواند در هر جایی قرار بگیرد و از آنجا که خازنی است، حتی می‌تواند از روی لباس کار کند. از نظر تئوری ممکن است که بتوان این گیرنده را در یک تلفن همراه هوشمند ادغام کرد. پژوهشگران این فناوری را با دستگاه‌هایی از جمله حلقه هوشمند متصل به بلوتوث، برچسب پزشکی ثبت‌کننده اطلاعات سلامتی کاربر، صفحه نمایش و دستگاه‌های گوناگون دیگر نشان دادند. از سایر امکانات آینده می‌توان به هدست‌های واقعیت افزوده و واقعیت مجازی و انواع جدیدی از دستگاه‌های پوشیدنی اشاره کرد. از آنجا که بدن به طور مداوم انرژی تولید می‌کند، کاربران می‌توانند چندین دستگاه را به طور هم‌زمان و بدون نیاز به برداشتن و شارژ دوباره آنها بپوشند.

ایلان ماسک در گفتگو با پیتر دیاماندیس(Diamandis)، بنیانگذار جایزه ایکس(XPRIZE)، در مورد نیروی رو به رشد هوش مصنوعی گفتگو کرد و یک چارچوب زمانی برای اولین مأموریت‌های بدون سرنشین و سرنشین‌دار اسپیس‌ایکس به مریخ تعیین کرد و از کاهش جمعیت و افزایش ربات‌های انسان‌نما سخن گفت. ایلان ماسک مطمئنا چندین ماه پر هیجان را پشت سر گذاشته است. اسپیس‌ایکس عملکرد فوق‌العاده‌ای از خود نشان داد و برای اولین بار در جهان پیشران سوپرهوی آن توسط بازوهای برج پرتاب در هوا گرفته شد و این موفقیت، راه را برای ساخت بزرگترین پرتاب‌گرهای فضایی تاریخ که مستقیما از مدار شروع به پایین آمدن می‌کنند و درست در بالای پیشران خود قرار گرفته و در عرض چند ساعت آماده پرتاب بعدی می‌شوند، باز کرد. این امر، صنعت فضایی را متحول خواهد کرد و تاثیر قابل توجهی بر هزینه‌های پرتاب به ازای وزن خواهد داشت و همچنین پایه‌ و اساسی برای هدف نهایی ماسک در طول زندگی‌اش یعنی ساخت یک مستعمره انسانی پایدار در مریخ خواهد بود. به نقل از نیواطلس، در کنار آن، راه‌اندازی روبوون و سایبرکب تسلا نیز یک نمایش سرگرم کننده بود و ماسک، برنامه‌های این شرکت برای تاکسی رباتیک کاملا خودران را به تفصیل بیان کرد. شرکت نورالینک نیز دومین بیمار ایمپلنت مغزی خود به نام الکس را که از این تراشه برای انجام بازی‌های ویدیویی و استفاده از نرم افزار CAD استفاده می‌کند، درمان کرد. در همین حال، هوش مصنوعی ایکس(X Ai) در قدرتمندترین دسته از ابررایانه‌های آموزشی هوش مصنوعی جهان، یعنی کلوسوس(Colossus) قرار گرفت و تمام زیرساخت‌ها و سیم‌کشی‌های ۱۰۰ هزار پردازنده گرافیکی nVidia H100 را در ۱۲۲ روز به پایان رساند. این شرکت اکنون پردازنده‌های گرافیکی بیشتری نسبت به متا ای‌آی، اپن‌ای‌آی و گوگل ای‌آی(Google AI، OpenAI، Meta AI)، مایکروسافت یا خود nVidia در اختیار دارد و ماسک می‌گوید ظرف چند ماه، قدرت پردازشی دو برابری خواهد داشت. بنابراین، اگر گروه او رویکرد درستی داشته باشد، ماسک خود را در موقعیتی عالی قرار داده است تا مدل زبانی Grok AI X را بالاتر از مدل‌های چت‌ جی‌پی‌تی اُپن‌ای‌آی قرار دهد تا به طور بالقوه طی یک تا دو سال آینده به رهبری جهانی در فناوری هوش مصنوعی تبدیل شود. او در چند هفته اخیر بیش از هر چیز دیگری به سیاست علاقه‌مند بوده است و به معنای واقعی کلمه به عنوان حامی شماره یک دونالد ترامپ فعالیت کرده است. در ادامه نگاهی خواهیم داشت به گفتگوی ایلان ماسک و پیتر دیاماندیس در مورد حوزه‌هایی که ماسک بر روی آنها کار می‌کند. ماسک مطمئنا از مشغول بودن لذت می‌برد، اما زمانی را صرف کرد تا از طریق ارتباط ویدیویی به پیتر دیاماندیس بپیوندد تا در مورد آینده هوش مصنوعی گفتگو کند. ایلان ماسک در مورد سرعت بهبود هوش مصنوعی اینگونه توضیح داد: تعیین دقیق آینده آن دشوار است، اما من با اطمینان خاطر می‌توانم بگویم که سالانه ۱۰ برابر بهتر می‌شود و بنابراین چهار سال بعد، شاهد بهبود ۱۰ هزار برابری یا شاید حتی ۱۰۰ هزار برابری خواهیم بود. ایلان ماسک در مورد اینکه چه زمانی هوش مصنوعی از بشریت پیشی خواهد گرفت اینگونه بیان کرد: من فکر می‌کنم که احتمالا ظرف یک تا دو سال آینده هوش مصنوعی می‌تواند هر کاری را که یک انسان می‌تواند انجام دهد، پیش بگیرد. و احتمالا تا سه سال دیگر بتواند کارهایی را که همه انسان‌ها می‌توانند انجام دهند، انجام دهند. بنابراین پیش‌بینی من سال ۲۰۲۹، یا حوالی آن است. آیا هوش مصنوعی یک تهدید وجودی برای بشریت است؟ به احتمال زیاد هوش مصنوعی یک فناوری عالی است. مقداری احتمال در مورد بد بودن هوش مصنوعی نیز وجود دارد که می‌تواند ۱۰ تا ۲۰ درصد باشد. احتمال اینکه بد شود صفر نیست، اما در کل می‌توان گفت ۸۰ درصد را نیمه پر لیوان تشکیل داده است. شاید هم ۹۰ درصد. من فکر می‌کنم هوش مصنوعی یک تهدید وجودی مهم است، و چیزی که باید به آن توجه جدی کنیم نیز همین است. این احتمالا مهم‌ترین تهدید کوتاه مدت پیش‌رو باشد. نظر ماسک در مورد سقوط جمعیت جهانی چه بود؟ او تهدید بلندمدت را فروپاشی جمعیت جهانی دانست. نرخ زاد و ولد تقریبا در سرتاسر جهان در حال سقوط بوده است و ما به سمت وضعیتی پیش می‌رویم که برای مثال، بر اساس نرخ زاد و ولد فعلی، کره جنوبی حدود یک سوم جمعیت کنونی خود را خواهد داشت. اروپا از جمعیت فعلی خود تقریبا نیمی از جمعیت فعلی را از دست خواهد داد. باید بگویم، این اعداد در صورتی است که نرخ زاد و ولد به طور ناگهانی به ۲.۱ فرزند برای هر زن برگردد، که نقطه ثبات است. اگر این تاثیر ادامه یابد، شما خواهید دید که واقعا بسیاری از کشورها به ۵ درصد اندازه فعلی‌شان یا کمتر می‌رسند. ماسک در مورد آینده انرژی نیز صحبت کرد او بیان کرد: مقدار فوق العاده‌ای انرژی وجود خواهد داشت که برای هوش دیجیتال و همچنین برای برق رسانی حمل و نقل مورد نیاز است. این دو مورد بسیار مهم هستند. در دراز مدت، تقریبا تمام انرژی‌ای که ما دریافت می‌کنیم قرار است از خورشید باشد و یکی از راه‌های تمدن، پیشرفت در مقیاس کارداشف است. مقیاس کارداشف نقطه‌ای است که در آن افراد از تمام نیروی خورشید استفاده می‌کنند. نظر ماسک در مورد وضعیت انسان‌های رباتیک چه بود؟ او فکر می‌کند تا سال ۲۰۴۰، احتمالا تعداد ربات‌های انسان‌نما از تعداد انسان‌ها بیشتر شود. ماسک می‌گوید:  من اغلب به زمان‌بندی خوشبین هستم اگرچه رسانه‌ها وقتی زمان‌بندی‌هایم عقب می‌افتد آن را گزارش می‌کنند اما وقتی زودتر از موعد انجام می‌شود حرفی نمی‌زنند. برای مثال، ما تصور می‌کردیم که ساخت کارخانه ما در شانگهای حدود یک سال و نیم طول می‌کشد اما در ۱۱ ماه به پایان رسید.  پس من خیلی وقت‌ها زود به هدفم رسیده‌ام. اما زمانی که به سال ۲۰۴۰ برسیم، یعنی ۲۵ سال دیگر، حداقل ۱۰ میلیارد ربات انسان‌نما وجود خواهد داشت. قیمت آنها، فکر می‌کنم، بسیار پایین خواهد بود، احتمالا ۲۰ تا ۲۵ هزار دلار برای رباتی که می‌تواند هر کاری انجام دهد. پیش‌بینی آینده‌ای سرشار از فراوانی ماسک می‌گوید که با فرض اینکه ما در مسیر خوب هوش مصنوعی قرار داشته باشیم، فکر می‌کنم در آینده‌ای سرشار از فراوانی خواهیم بود. اساسا هر کسی می‌تواند هر کالا و خدماتی را که می‌خواهد داشته باشد. هزینه نهایی واقعی کالاها و خدمات در آینده بسیار پایین خواهد بود. گرفتن پیشران سوپرهوی در هوا ماسک در مورد این اقدام خارق‌العاده جدید گفت: این برای انسان‌ها بد نیست. هیچ هوش مصنوعی در آن دخیل نبود، خوشحالم که بگویم ما این کار را کاملا با مغز انسانی و بدون هوش مصنوعی انجام دادیم. ماسک روزی را متصور شد که هوش مصنوعی از اینکه انسان‌ها چنین کاری را به تنهایی انجام داده‌اند متعجب خواهد شد. زمان رسیدن اسپیس‌ایکس به مریخ ماسک می‌گوید: فکر می‌کنم تا دو سال دیگر بتوانیم چند فضاپیما را به مریخ پرتاب کنیم. بنابراین پنجره بعدی سفر به مریخ در حدود ۲۶ تا ۲۷ ماه دیگر خواهد بود. ما اکنون در ابتدای یک پنجره انتقال به مریخ هستیم که هر ۲۶ ماه یک بار اتفاق می‌افتد و بنابراین، ما اولین استارشیپ‌های بدون سرنشین خود را به مریخ می‌فرستیم و سپس اگر این کار انجام شود و تعداد دهانه‌های مریخ را افزایش ندهیم، انسان‌ها را دو سال بعد از آن می‌فرستیم. من نسبت به این برنامه در زمان حضور ترامپ در کاخ سفید خوشبین‌تر هستم، زیرا بزرگترین مانع پیشرفتی که در حال تجربه آن هستیم، مقررات بیش از حد است. دریافت مجوز پرتاب بیشتر از ساختن یک موشک طول می‌کشد. آمریکا و بسیاری از کشورها به دلیل مقررات بیش از حد به آرامی متوقف می‌شوند، مگر اینکه کاری برای رفع آن انجام شود و در نهایت انجام تقریبا هر پروژه بزرگی غیرقانونی خواهد شد و ما نخواهیم توانست به مریخ برویم. برنامه تولید ربات انسان‌نمای تسلا چیست؟ تولید محدود اُپتیموس در سال آینده در سال ۲۰۲۵ آغاز می‌شود و سپس باید در سال ۲۶ در حجم بالا تولید شود و پس از آن رشد خواهد کرد. این که بدانید چگونه می‌توان با دیدگاه‌های ایلان ماسک در مورد آینده رفتار کرد، همیشه کار سختی به حساب می‌آید و بنابراین باید مواردی که به نظرتان منطقی است را از حرف‌های ماسک باور کنید. او بی‌تردید جذاب‌ترین چهره زمان ما در زمینه فناوری است که مجموعه‌ای از شرکت‌ها را کنترل می‌کند، که بسیاری از آنها مرزها را جابجا می‌کنند و پیشرفت‌های شگفت‌انگیزی در زمینه‌های پیشرفته دارند. سفر فضایی، هوش مصنوعی پیشرفته، رباتیک انسان‌نما، حمل‌ونقل الکتریکی و خودمختار، رابط‌های مغز و رایانه، رسانه‌های اجتماعی. او ممکن است بهترین انسانی باشد که به ما بگوید در آینده چه خواهد شد، زیرا ممکن است بیش از هر کس دیگری در تاریخ دست داشته باشد از آنجا که بشریت به سمت عصر فرافناوری حرکت می‌کند.

شرکت توسعه هوش مصنوعی آنتروپیک(Anthropic) می‌گوید هوش مصنوعی روزی می‌تواند بشریت را با کارشکنی و خرابکاری مواجه کند، اما فعلاً همه چیز خوب پیش می‌رود. شرکت آنتروپیک که توسعه دهنده هوش مصنوعی است، به تازگی تحقیقات جدیدی را منتشر کرده است که در آن مجموعه‌ای از تهدیدات بالقوه خرابکارانه برای بشریت ناشی از مدل‌های پیشرفته هوش مصنوعی را شناسایی می‌کند. این شرکت گفته است که این پژوهش بر چهار روش خاص متمرکز شده است که یک مدل هوش مصنوعی مخرب می‌تواند انسان را فریب دهد تا تصمیمی خطرناک یا مضر بگیرد. در نهایت، این تحقیقات جدید یک خبر خوب یک خبر بد برای ما دارد. خبر بد اینکه طبق تحقیقات این شرکت، مدل‌های زبان بزرگ پیشرفته مانند ChatGPT  و Claude-3  ظرفیت روشنی برای خرابکاری نشان می‌دهند. در این مطالعه آمده است: مدل‌های به اندازه کافی توانمند می‌توانند نظارت و تصمیم‌گیری انسانی را در زمینه‌های مهم زیر سوال ببرند. به عنوان مثال، در زمینه توسعه هوش مصنوعی، مدل‌ها می‌توانند به طور پنهانی تلاش‌ها برای ارزیابی قابلیت‌های خطرناک خود، نظارت بر رفتار آنها یا تصمیم‌گیری در مورد استقرارشان را مختل کنند. با این حال، خبر خوب این است که محققان شرکت آنتروپیک مطمئن هستند که این خطرات را حداقل در حال حاضر می‌توان کاهش داد. خرابکاری آنتروپیک چهار راه را که یک مدل هوش مصنوعی می‌تواند با آنها تصمیم‌گیری انسان را مختل کند، شناسایی کرد و سپس مدل‌های خود را آزمایش کرد تا ببیند آیا موفقیت آمیز عمل خواهند کرد یا خیر. محققان ابتدا یک مدل را وادار کردند تا با هدایت انسان به سمت اطلاعات نادرست، اقدام به خرابکاری کند. این تهدید می‌تواند در شرایطی پدیدار شود که انسان‌ها برای تجزیه حجم عظیمی از داده‌ها از جانب خود به یک سیستم هوش مصنوعی متکی هستند. سپس این تیم مدل‌ها را آزمایش کرد تا ببیند سامانه هوش مصنوعی طراحی شده برای کمک به توسعه‌دهندگان انسانی برای ایجاد کدی برای وارد کردن مخفیانه اشکالات یا خراب کردن تلاش‌های کدگذار، چقدر آسان عمل می‌کند. دو تهدید آخر شامل «پنهان کردن توانایی‌ها»(sandbagging) بود که اصطلاحی است که سناریویی را توصیف می‌کند که در آن یک هوش مصنوعی وانمود می‌کند که قادر به انجام کاری نیست تا آزمایش‌کنندگان ایمنی را متقاعد کند که خطرناک نیست. در حالی که همه اینها ممکن است به طور بالقوه خطرناک به نظر برسند، آنتروپیک به مردم اطمینان داد که برای محافظت از بشریت در برابر احتمال خرابکاری هوش مصنوعی به اقدامات پیش‌گیرنده اندکی نیاز است. طبق اعلام این شرکت؛ به طور کلی در حالی که آزمایشات ما نشان داد که احتمالاً نشانه‌های سطح پایینی از توانایی‌های خرابکاری در مدل‌های فعلی وجود دارد، ما می‌گوییم که حداقل اقدامات پیش‌گیرنده برای مقابله با خطرات کافی است. با این حال، با بهبود قابلیت‌های هوش مصنوعی، ارزیابی‌های واقعی‌تر و پیش‌گیری‌های قوی‌تر احتمالاً ضروری خواهند بود.

پاییز امسال، آماده یک پدیده غیرمنتظره کیهانی باشید، آن‌طور که دانشمندان می‌گویند کره زمین قرار است ماه دومی پیدا کند. یک سیارک قرار است در دام نیروی گرانش کره زمین بیفتد و به‌طور موقت، به ماه دوم کوچکی برای کره زمین تبدیل شود. این مهمان کیهانی از (یک‌شنبه، ۲۹ ماه سپتامبر/ ۸ میزان) دو ماه مهمان کره زمین بوده و بعد از مدار نیروی گرانش زمین بیرون خواهد رفت. متأسفانه این ماه دوم بسیار کوچک و کم‌ نور است و نمی‌توان آن را دید. مگر اینکه تلسکوپ حرفه‌ای در دسترس باشد. این سیارک را اولین بار سامانه هشدار برخورد زمینی ناسا به نام اطلس در هفتم ماه اوت ردیابی کرد. دانشمندان مسیر آن را در تحقیقی در بخش مطالعات انجمن ستاره‌شناسی آمریکا منتشر کردند. این سیارک، که دانشمندان آن را پی‌تی‌اس ۲۰۲۴ می‌نامند، از کمربند سیارک آرجونا می‌آید و حاوی سنگ‌هایی است که مداری مشابه با مدار زمین را دنبال می‌کنند. در مجموعه چهار قسمتی «اسطوره تختی» از زندگی شخصی، ورزشی و اجتماعی غلامرضا تختی می‌شنویم. گاهی بعضی از این سیارک‌ها تقریباً به زمین نزدیک می‌شوند و به فاصله ۲.۸ میلیون مایل (۴.۵ میلیون کیلومتر) از کره زمین می‌رسند. آن‌طور که محققان می‌گویند اگر سیارکی مانند این با سرعتی نسبتاً آرام، حدود ۲۲۰۰ مایل در ساعت (۳۴۵۰ کیلومتر در ساعت) حرکت کند، نیروی گرانشی کره زمین می‌تواند بر آن تأثیر زیادی بگذارد و حتی مدتی کوتاه آن را به تله بیندازد. این دقیقاً وضعیتی‌ایست که قرار است پیش بیاید. این سیارک کوچک از همین آخر هفته، حدود دو ماه در مدار کره زمین خواهد بود. جنیفر میلارد، ستاره‌شناس و مجری مجموعه پادکست‌های ستاره‌شناسی، فوق‌العاده به بی‌بی‌سی گفت این سیارک ۲۹ ماه سپتامبر وارد مدار کره زمین خواهد شد و آن‌طور که پیش‌بینی‌شده در ۲۵ نوامبر (۵ آذر) آن را ترک خواهد کرد. او می‌گوید: «این سیارک قرار نیست دور کامل دور سیاره ما بزند، بلکه تنها مسیر مدارش تغییر خواهد کرد و با نیروی کره زمین مسیرش کمی پیچ خواهد خورد و بعد از مدتی به مسیر خوش خودش ادامه خواهد داد.» این سیارک حدوداً ۱۰ متر طول دارد که در مقایسه کره ماه، که قطری حدود ۳۴۷۴ کیلومتری دارد، واقعاً ناچیز است. این سیارک چون از صخره‌های بی‌رنگ وبی انعکاس ساخته‌ شده است برای مردم روی زمین قابل‌ دیدن نیست حتی اگر از دوربین چشمی یا تلسکوپ خانگی استفاده کنند. خانم میلارد می‌گوید: «تلسکوپ‌های حرفه‌ای می‌توانند آن را نشان بدهند. احتمالاً تصاویر زیادی از این سیارک در اینترنت خواهید دید که مثل نقطه‌ای کوچک بهدسرعت از جلوی ستاره‌های عبور می‌کند.» ماه‌های کوچک قبل از این هم ردگیری‌شده بودند و تصور بر این است که ما متوجه بسیاری از آن‌ها نشده‌ایم. بعضی از آن‌ها برای دیدار مجدد باز می‌گردند. سیارک ان‌ایکس یک ۲۰۲۲ یک بار در سال ۱۹۸۱ و بار دیگر در سال ۲۰۲۲ به ماه دوم زمین تبدیل شد. برای همین، اگر این بار نتوانستید پی‌تی‌اس ۲۰۲۴ را ببینید، نگران نباشید. دانشمندان پیش‌بینی کرده‌اند این سیارک هم‌بار دیگر، ۳۱ سال دیگر، در سال ۲۰۵۵ به دیدار زمین خواهد آمد. جنیفر میلارد می‌گوید: «این نشان می‌دهد منظومه شمسی چقدر شلوغ است و چقدر در آن سیارک‌ها و اجرام مختلف وجود دارند که ما بسیاری از آن‌ها را هنوز کشف‌شان نکرده‌ایم. این سیارک تازه امسال کشف‌ شده است.» او ادامه می‌دهد: «ده‌ها هزار یا شاید صدها هزار جسم مختلف آسمانی وجود دارند که آن‌ها را کشف نکرده‌ایم. این نشان می‌دهد چقدر رصد دائمی آسمان شب و پیدا کردن آن‌ها اهمیت دارد.»

توسعه فناوری هوش مصنوعی که غلظت یون آب را پیش‌بینی کند، می‌تواند کمک بزرگی برای سنجش کیفیت آب در مقیاس بزرگ باشد و به بهبود رفاه اجتماعی کمک کند. سایت نیوز وایز گزارش داده است که حدود ۲.۲ میلیارد نفر یعنی بیش از یک چهارم جمعیت جهان به آب آشامیدنی سالم و مدیریت‌شده دسترسی ندارند و حدود نیمی از جمعیت جهان در برخی از مقاطع سال با کمبود شدید آب روبرو هستند. در گزارش آمده است که به منظور غلبه بر این کمبودها، هزینه‌های اجتماعی و اقتصادی هنگفتی برای روش‌های استفاده از منابع آب جایگزین مانند استفاده از آب باران و نمک‌زدایی آب دریا صرف می‌شود. علاوه بر این، سیستم‌های توزیع متمرکز آب با مضراتی همراه هستند؛ از جمله اینکه قادر به پاسخ‌گویی فوری به تغییرات تقاضای آب نیستند. با توجه به چنین مشکلاتی، علاقه فزاینده‌ای به فناوری‌های غیر متمرکز تولید آب وجود دارد. فناوری‌های غیر متمرکز، فناوری‌های مبتنی بر الکتروشیمی مانند وایونش خازنی و وایونش الکترود باتری هستند که به آسانی به کار گرفته می‌شوند. با وجود این، حسگرهای اندازه‌گیری کیفیت آب که در فناوری‌های مبتنی بر الکتروشیمی استفاده می‌شوند، یون‌های منفرد موجود در آب را ردیابی نمی‌کنند و محدودیت‌هایی در درک شرایط کیفیت آب با استفاده از رسانایی الکتریکی دارند. گروه پژوهشی دکتر سون مون از مرکز تحقیقات چرخه منابع آب «موسسه علم و فناوری کره جنوبی»(KIST) با همکاری گروه پروفسور «بائک سانگ سو»(Baek Sang-Soo) از «دانشگاه یئونگنام»(Yeongnam University)، فناوری جدیدی را ابداع کرده‌اند که از هوش مصنوعی مبتنی بر داده برای پیش‌بینی دقیق غلظت یون‌ها در آب طی فرآیندهای تصفیه الکتروشیمیایی آب استفاده می‌کند. پژوهشگران در آزمایش‌ها دریافتند که برای بهبود دقت پیش‌بینی‌ها لازم است هر ۲۰ تا ۸۰ ثانیه به‌روزرسانی‌هایی انجام شود. این بدان معناست که برای اعمال این روش در شبکه‌های ردیابی یون‌های خاص باید کیفیت آب در هر دقیقه بررسی شود تا مدل اولیه آموزش ببیند. مدل مورد استفاده در این پژوهش نسبت به مدل‌های پیچیده یادگیری عمیق مقرون‌به‌صرفه‌تر است و برای آموزش به منابع محاسباتی بیش از ۱۰۰ برابر کمتر نیاز دارد. دکتر مون گفت: اهمیت این پژوهش فقط توسعه یک مدل هوش مصنوعی جدید نیست، بلکه کاربرد آن در سیستم ملی مدیریت کیفیت آب است. با استفاده از این فناوری می‌توان غلظت یون‌ها را با دقت بیشتری تحت کنترل قرار داد و به بهبود دسترسی به آب کمک کرد. این پژوهش در مجله «Water Research» به چاپ رسید.

پژوهشگران «دانشگاه بازل» در آزمایش جدیدی نشان داده‌اند که می‌توان یک مدل هوش مصنوعی را آموزش داد تا بیماری تنفسی را در نوزادان نارس تشخیص دهد. دیسپلازی برونکوپولمونری، یک مشکل تنفسی است که می‌تواند نوزادان نارس را تحت تاثیر قرار دهد. وقتی ریه‌های نوزاد در بدو تولد رشد نکرده باشند، اغلب به دستگاه تنفس مصنوعی یا اکسیژن‌درمانی نیاز دارند. این درمان می‌تواند ریه‌های نوزاد را کشیده و ملتهب کند و باعث ابتلا به دیسپلازی برونکوپولمونری شود. انجمن تنفس اروپا می‌گوید که تشخیص دادن دیسپلازی برونکوپولمونری دشوار است. آزمایش‌های عملکرد ریه معمولا به یک بزرگسال نیاز دارند که بنا به درخواست خود در آزمایش شرکت کند و این کاری است که نوزادان نمی‌توانند انجام دهند. بنابراین، روش‌های کنونی به تجهیزات پیچیده‌ای برای بررسی ویژگی‌های ریه نوزاد نیاز دارند. در نتیجه، دیسپلازی برونکوپولمونری یکی از معدود بیماری‌هایی است که معمولا با کمک یکی از علل اصلی آن، یعنی نارس بودن و حمایت تنفسی تشخیص داده می‌شود. شبکه‌های عصبی مصنوعی (ANNs) را می‌توان برای تشخیص بیماری ریوی در نوزادان نارس با تحلیل الگوهای تنفسی آنها هنگام خواب آموزش داد. شبکه‌های عصبی مصنوعی مدل‌های ریاضی هستند که برای طبقه‌بندی و پیش‌بینی استفاده می‌شوند. یک شبکه‌ عصبی مصنوعی برای انجام دادن پیش‌بینی‌های دقیق باید ابتدا با حجم زیادی از داده‌ها آموزش داده شود و این امر برای تشخیص دیسپلازی برونکوپولمونری مشکل ایجاد می‌کند. پروفسور ادگار دلگادو اکرت، استاد دپارتمان مهندسی پزشکی دانشگاه بازل و سرپرست گروه پژوهشی بیمارستان کودکان دانشگاه بازل گفت: تا همین اواخر، نیاز به حجم زیادی از داده‌ها مانع تحقق تلاش برای ایجاد مدل‌های دقیق تشخیص بیماری ریه در نوزادان می‌شد زیرا ارزیابی عملکرد ریه آنها بسیار دشوار است اما یک جایگزین وجود دارد. ما می‌توانیم تنفس نوزاد را هنگام خواب بررسی کنیم. این کار با یک ماسک صورت نرم و مجهز به حسگر انجام می‌شود که می‌تواند جریان هوا و حجم هوای ورودی و خروجی از بینی نوزاد را اندازه‌گیری کند. این تجهیزات ارزان هستند و در همه مراکز بالینی در دسترس قرار دارند. اکرت ادامه داد: چنین بررسی‌هایی از چندین نفس متوالی که ما آن را تنفس جزر و مدی می‌نامیم، می‌تواند مقادیر زیادی را از داده‌های جریان متوالی با کیفیت خوب به دست بیاورد. ما تصمیم گرفتیم از این داده‌ها به منظور آموزش یک شبکه‌ عصبی مصنوعی برای تشخیص دیسپلازی برونکوپولمونری استفاده کنیم. اکرت و همکارانش، گروهی را متشکل از ۱۳۹ نوزاد غیر نارس و ۱۹۰ نوزاد نارس که از نظر دیسپلازی برونکوپولمونری ارزیابی شده بودند، مورد بررسی قرار دادند و تنفس آنها را به مدت ۱۰ دقیقه هنگام خواب ثبت کردند. این گروه پژوهشی از ۶۰ درصد داده‌ها برای آموزش نحوه تشخیص دیسپلازی برونکوپولمونری به مدل هوش مصنوعی و از ۲۰ درصد داده‌ها برای اعتبارسنجی مدل استفاده کردند و سپس، ۲۰ درصد از داده‌های باقی‌مانده را به مدل انتقال دادند تا بفهمند که آیا می‌تواند نوزادان مبتلا به دیسپلازی برونکوپولمونری را به درستی شناسایی کند. مدل هوش مصنوعی توانست برخی از موارد مشاهده‌ شده در مجموعه داده‌های آزمایشی را با دقت ۹۶ درصد طبقه‌بندی کند. اکرت گفت: پژوهش ما برای اولین بار یک روش جامع را برای تحلیل تنفس نوزادان ارائه می‌کند و به ما امکان می‌دهد تا تشخیص دهیم کدام نوزادان به دیسپلازی برونکوپولمونری مبتلا هستند. آزمایش غیر تهاجمی ما برای نوزاد و والدینش کمتر ناراحت‌کننده است. این بدان معناست که آنها می‌توانند سریع‌تر به درمان دسترسی داشته باشند و حتی شاید یک پیش‌آگاهی را به دست بیاورند. این گروه پژوهشی اکنون امیدوارند که بفهمند آیا مدل هوش مصنوعی را می‌توان برای آزمایش نوزادان تنها چند هفته پس از تولد، برای تحلیل عملکرد ریه و پیش‌بینی علائم سایر بیماری‌ها مانند آسم مورد استفاده قرار داد.

یک پژوهش حیرت‌آور جدید نشان می‌دهد که پزشکان به زودی می‌توانند دیابت نوع ۲ را با استفاده از صدای بیماران تشخیص دهند. دانشمندان مدت‌ها نگران بوده‌اند که میلیون‌ها شخص مبتلا به دیابت تشخیص داده نشوند، اما اکنون نمونه‌های صدای بیمار که مدت آنها فقط ۲۵ ثانیه است، همراه با داده‌های اولیه سلامتی مانند سن، جنسیت، قد و شاخص توده بدنی می‌توانند نشان دهند که آیا شخص مورد نظر به دیابت مبتلاست یا خیر. یک پژوهش جدید و امیدوارکننده نشان می‌دهد که هوش مصنوعی با استفاده از صدای ضبط‌ شده روی تلفن همراه می‌تواند دیابت را تشخیص دهد. دانشمندانی که مدل هوش مصنوعی را روی بیش از ۶۰۰ بزرگسال آزمایش کردند، دریافتند که این مدل در بیش از دو سوم موارد دقیق است. موسسات خیریه و کارشناسان از این روش ابتکاری استقبال کردند، اما هشدار دادند که بررسی‌های بیشتری باید انجام شود. ابیر البیجی، کارشناس سلامت دیجیتال در «موسسه بهداشت لوکزامبورگ» (LIH) و پژوهشگر ارشد این پروژه گفت: بیشتر روش‌های کنونی غربالگری دیابت نوع ۲ نیاز به زمان زیادی دارند و تهاجمی، آزمایشگاهی و پرهزینه هستند. ترکیب هوش مصنوعی با فناوری صوتی می‌تواند با از بین بردن این موانع، آزمایش را در دسترس‌تر کند. این پژوهش اولین گام در جهت استفاده از تحلیل صدا به عنوان یک راهبرد بسیار مقیاس‌پذیر برای غربالگری دیابت نوع ۲ است. پژوهشگران در این پروژه، ۶۰۷ صدای ضبط‌ شده را برای شناسایی ویژگی‌های صوتی مورد بررسی قرار دادند که افراد غیر دیابتی را از افراد مبتلا به دیابت متمایز می‌کردند. از همه شرکت‌کنندگان خواسته شد تا جملاتی را بخوانند که مستقیما با تلفن همراه یا لپ‌تاپ آنها ارائه شده‌اند. سپس پژوهشگران با استفاده از پردازش سیگنال توانستند تغییرات ظریف را در زیر و بم شدن، لحن و شدت صدا شناسایی کنند که برای گوش انسان غیرقابل تشخیص است. یک روش پیشرفته هوش مصنوعی تا ۶۰۰۰ ویژگی صوتی دقیق را ثبت کرد و یک روش دیگر روی ۱۰۲۴ ویژگی کلیدی تمرکز داشت. مدل هوش مصنوعی دارای میزان دقت ۶۶ درصد در زنان و ۷۱ درصد در مردان بود. پژوهشگران خاطرنشان کردند که این مدل در زنان ۶۰ سال به بالا و افراد مبتلا به فشار خون عملکرد بهتر داشته است. دکتر لوسی چمبرز، رییس بخش تحقیقات «انجمن دیابت انگلستان» (Diabetes UK) درباره یافته‌های این پژوهش گفت: تشخیص سریع و دقیق برای پیشگیری از عوارض جدی و محدودکننده زندگی افراد مبتلا به دیابت نوع ۲ بسیار مهم است اما متأسفانه امکان دارد که علائم به راحتی نادیده گرفته شوند و در حال حاضر حدود ۱.۲ میلیون نفر در بریتانیا با دیابت نوع ۲ تشخیص‌داده‌نشده زندگی می‌کنند. استفاده از هوش مصنوعی برای توسعه روش‌های راحت و مقرون‌به‌صرفه غربالگری دیابت نوع ۲، به شناسایی افراد بیشتری که به درمان و حمایت نیاز دارند، کمک می‌کند، کیفیت زندگی آنها را بهبود می‌بخشد و خطر عوارض بلندمدت دیابت را کاهش می‌دهد. ما مشتاقانه منتظر پژوهش‌های بیشتر درباره فناوری‌های نوآورانه تحلیل صدا با هوش مصنوعی برای غربالگری دیابت هستیم.